基于深度强化学习的空间非合作目标主动跟踪
计算机视觉与模式识别
2021-12-21 v1
摘要
空间非合作目标的主动视觉跟踪对于未来智能航天器实现空间碎片清除、小行星探测、自主交会对接具有重要意义。然而，现有工作常将该任务拆分为不同子问题（如图像预处理、特征提取与匹配、位置与姿态估计、控制律设计）并单独优化各模块，这种做法琐碎且次优。为此，我们提出一种基于DQN算法的端到端主动视觉跟踪方法，命名为DRLAVT。它仅依靠彩色或RGBD图像即可引导追逐航天器接近任意空间非合作目标，显著优于采用最先进二维单目跟踪器SiamRPN的基于位置的视觉伺服基线算法。使用多种网络架构、不同扰动与多个目标开展的广泛实验证明了DRLAVT的先进性与鲁棒性。此外，我们进一步通过数百次试错证明我们的方法确实利用深度强化学习学到了目标的运动模式。
引用
@article{arxiv.2112.09854,
title = {Space Non-cooperative Object Active Tracking with Deep Reinforcement Learning},
author = {Dong Zhou and Guanghui Sun and Wenxiao Lei},
journal= {arXiv preprint arXiv:2112.09854},
year = {2021}
}